2025年机器学习工程师考试题库（附答案和详细解析）（1206）.docxVIP

机器学习工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下属于监督学习任务的是（）

A.聚类分析

B.异常检测

C.图像分类

D.降维处理

答案：C

解析：监督学习需要样本的标签信息，图像分类任务需要输入图像与对应类别标签（如“猫”“狗”）进行训练；A（聚类）、B（异常检测）、D（降维）均为无监督学习任务，无需标签。

当模型出现过拟合时，最有效的解决方法是（）

A.增加训练数据量

B.减少特征数量

C.提高学习率

D.增加模型层数

答案：A

解析：过拟合的核心原因是模型对训练数据的噪声过度学习，增加数据量可提升模型泛化能力；B（减少特征）可能丢失有用信息，C（提高学习率）可能导致训练不稳定，D（增加层数）会进一步提升模型复杂度，加剧过拟合。

逻辑回归的损失函数通常使用（）

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.绝对误差（MAE）

D.Huber损失

答案：B

解析：逻辑回归用于二分类，输出概率值，交叉熵损失能有效衡量预测概率与真实标签的差异；A、C、D适用于回归任务。

以下哪种梯度下降方法计算效率最高？（）

A.批量梯度下降（BGD）

B.随机梯度下降（SGD）

C.小批量梯度下降（MBGD）

D.动量梯度下降（Momentum）

答案：B

解析：SGD每次仅用1个样本更新参数，计算量最小；BGD需遍历所有样本，计算耗时；MBGD是折中方案，效率介于BGD和SGD之间；Momentum是优化策略，不直接影响单次计算效率。

特征工程中，“将年龄分为‘青年’‘中年’‘老年’”属于（）

A.特征缩放

B.特征分箱

C.特征编码

D.特征交叉

答案：B

解析：特征分箱是将连续特征离散化为区间；A（缩放）是调整特征范围（如标准化），C（编码）是处理类别特征（如独热编码），D（交叉）是组合多个特征生成新特征。

10折交叉验证的主要目的是（）

A.提高模型训练速度

B.减少数据预处理时间

C.更可靠地评估模型泛化能力

D.增加模型复杂度

答案：C

解析：交叉验证通过多次划分训练集和验证集，减少单次划分的随机性对评估结果的影响，更准确反映模型泛化能力；A、B、D均与交叉验证目的无关。

神经网络中，ReLU激活函数的主要优点是（）

A.避免梯度消失

B.输出范围在(0,1)

C.计算复杂度高

D.适合所有类型的输入

答案：A

解析：ReLU（f(x)=max(0,x)）在x0时梯度为1，避免了Sigmoid/tanh在饱和区的梯度消失问题；B是Sigmoid的特性，C是缺点，D错误（如输入负值时输出0，可能导致“神经元死亡”）。

以下属于集成学习中Bagging方法的是（）

A.Adaboost

B.随机森林

C.GBDT

D.XGBoost

答案：B

解析：Bagging通过并行训练多个基模型（如决策树）并投票集成，随机森林是典型代表；A、C、D均为Boosting方法（串行训练，关注前序模型的错误样本）。

L2正则化的作用是（）

A.使模型权重更稀疏

B.减少模型偏差

C.防止过拟合

D.加速训练收敛

答案：C

解析：L2正则化通过在损失函数中添加权重平方和的惩罚项，限制模型复杂度，防止过拟合；A是L1正则化的特性，B（减少偏差）需增加模型复杂度，D（加速收敛）依赖优化器设计。

以下哪项不是循环神经网络（RNN）的局限性？（）

A.长序列依赖问题

B.无法处理变长输入

C.梯度消失/爆炸

D.并行计算能力差

答案：B

解析：RNN可通过填充或掩码处理变长输入；A（长序列依赖）、C（梯度问题）、D（需按序列顺序计算，无法并行）均为RNN的典型缺点。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

以下属于生成模型的是（）

A.生成对抗网络（GAN）

B.变分自编码器（VAE）

C.逻辑回归

D.朴素贝叶斯

答案：ABD

解析：生成模型关注数据分布的生成（P(X,Y)或P(X|Y)），GAN、VAE直接生成数据，朴素贝叶斯通过联合分布建模；C（逻辑回归）是判别模型（直接建模P(Y|X)）。

特征选择的常用方法包括（）

A.过滤法（Filter）

B.包装法（Wrapper）

C.嵌入法（Embedded）

D.主成分分析（PCA）

答案：ABC

解析：过滤法（如卡方检验）、包装法（如递归特征消除）、嵌入法（如L1正则化）均为特征选择方法；D（PCA）是降维方法，用于特征提取而非选择。

超参数调优的常用方法有（）

A.网格搜索（GridSearch）

B.随机搜索（RandomSearch）

C.贝叶斯优化（BayesianOptimi